~本系統是一款創新顛覆性的智能軟硬件產品，結合了高清視頻編碼，狀態識別技術，傳感技術，網絡技術與星光夜視全彩技術為一體的高新技術產品，傳統的機車電子添乘系統，僅僅停留在實時瀏覽和錄像，無法識別畫面中的內容，更談不上思考和行動。而基於感知攝像系統可基於視頻的智能分析，識別出監控畫面中的內容，並對其進行語言描述和 圖片抓拍，然後通過後端云計算平台進行分析，代替我們做出思考和判斷。 主機採用12寸觸摸屏顯一體化設計，可滿足4/8/12路高清720P與1080P的需求，相應的功能集成在顯示屏上、全天候24小時穩定的運行，外部硬盤存儲裝置可插拔式，有防盜鎖設計，最顯着的特點就是不用繁鎖的布線，可代替原有的音視頻監控主機，系統出廠兼容高清與標清模式。
深度卷積神經網絡的特征檢測通過訓練數據來進行學習，避免手工顯式提取特征，而是從訓練中學習特征，且同一特征映射面上的神經元權值相同，網絡可以並行學習，權值共享降低了網絡的複雜性，可以將多維的圖像數據直接輸入到網絡中，從而避免特征提取和分類過程中數據重建的複雜度，項目擬採用卷積神經網絡無監督構建特征，通過卷積神經網絡的前向傳播、反向傳播以及梯度下降三個階段的反復迭代，自適應提取圖像的特征向量，實現圖像特征對全天候環境的氾化能力，進而提升障礙物特征表達的自適應性，為進一步降低障礙物識別的虛警率，擬採用支持向量機有監督學習的方式對提取后的特征做進一步篩選，保留滿足高精度的神經網絡中的權值。利用上述算法提取的障礙物自適應特征，結合深度學習技術中的SSD模型和Faster RCNN以及YOLO算法可以較好地實現多障礙物的識別和分類，且實時效果好。因此，可以考慮在相關模型中改進得到一種高速度、高精度、魯棒性強的多障礙物識別分類方法。
